2010
Two different approaches to small sample size - a common problem in MRI-based studies
JANOUŠOVÁ, Eva; Daniel SCHWARZ a Tomáš KAŠPÁREKZákladní údaje
Originální název
Two different approaches to small sample size - a common problem in MRI-based studies
Název česky
Srovnání dvou přístupů k problému malého počtu vzorků v MRI studiích
Autoři
Vydání
Mezinárodní workshop funkční magnetické rezonance, 2010
Další údaje
Jazyk
angličtina
Typ výsledku
Konferenční abstrakt
Obor
20200 2.2 Electrical engineering, Electronic engineering, Information engineering
Stát vydavatele
Česká republika
Utajení
není předmětem státního či obchodního tajemství
Označené pro přenos do RIV
Ne
Organizační jednotka
Lékařská fakulta
Klíčová slova anglicky
principal component analysis;schizophrenia;MRI;computational neuroanatomy;2DPCA;pPCA
Změněno: 29. 3. 2010 09:28, RNDr. Eva Koriťáková, Ph.D.
Anotace
V originále
Recently, the small sample size problem and huge image data have often been discussed in MRI-based studies. Two methods for data reduction are compared here and further modified to solve classification of 3-D MRI data sets in the schizophrenia research. The results show that PCA based on covariance matrix of patients (pPCA) is more suitable for large MRI data reduction than 2DPCA. The results also indicate that deformation images are more appropriate for classification than GM density images.
Návaznosti
| NS10347, projekt VaV |
| ||
| NS9893, projekt VaV |
|